Hadoop序列化

Hadoop序列化

什么是序列化

序列化就是把内存中的对象，转换成字节序列（或其他数据传输协议）以便于存储到磁盘上（持久化）和网络传输（对象—>数据 简单化）
反序列化就是将收到的字节序列（或其他数据传输协议）或者是磁盘的持久化数据，转化成内存中的对象（数据—>对象 有具体含义）

为什么要序列化

一般来说，“活的”对象之生存在内存里，关机断电就没了，而且，“活的”对象只能有本地的进程使用，不能发送到网络上的另一台计算机。然而序列化可以存储“活的”对象，可以将“活的”对象发送到远程计算机

那为什么不用Java的序列化
Java的序列化是一个重量级序列化框架，一个对象被序列化以后，会附带很多额外的信息（各种校验信息，Header，继承体系等），不便于在网络中高效传输，所以Hadoop自己开发了一套序列化机制
简单的说，就是java的序列化过于复杂，而hadoop不需要这么复杂的机制，为了不浪费时间和空间，自己设计了一个
Hadoop序列化的特点
①紧凑：高效的使用存储空间
②快速：读写数据额外开销小
③可扩展：随着通信协议的升级而可升级
④互操作:支持多语言的交互

自定义对象实现序列化接口

当基本序列化类型不能满足需求时，可以在Hadoop框架内部传递一个bean对象，那么这个对象就要直线序列化接口
实现bean对象序列化步骤一共有7步
①必须实现Writable接口
②反序列化是，需要反射调用空参构造器，所以必须有空参构造器

public FlowBean(){
}

③重写序列化方法

@Override
public void write(DataOutput out) throws IOException {
	out.writeLong(upFlow);
	out.writeLong(downFlow);
	out.writeLong(sumFlow);
}

④重写反序列化方法

@Override
public void readFields(DataInput in) throws IOException {
	upFlow = in.readLong();
	downFlow = in.readLong();
	sumFlow = in.readLong();
}

⑤注意反序列化的顺序和序列化的顺序完全一致
⑥要想把结果显示在文件中，需要重写toString()，可用”\t”分开，方便后续用。
⑦如果需要将自定义的bean放在key中传输，则还需要实现Comparable接口，因为MapReduce框中的Shuffle过程要求对key必须能排序。

@Override
public int compareTo(FlowBean o) {
	// 倒序排列，从大到小
	return this.sumFlow > o.getSumFlow() ? -1 : 1;
}

实例化操作

1. 需求
   统计每一个手机号耗费的总上行流量、下行流量、总流量
   输入数据格式：

7	13560436666	120.196.100.99	1116	954	200
id	手机号码	网络ip	上行流量	下行流量	网络状态码

期望输出数据格式

13560436666	1116	954	2070
手机号码	上行流量	下行流量	总流量

具体的代码实现
①FlowBean类

package com.atguigu.flow;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

public class FlowBean implements Writable {

    private long upFlow;
    private long downFlow;
    private long sumFlow;

    public FlowBean() {
    }

    @Override
    public String toString() {
        return upFlow +"\t"+downFlow+"\t"+sumFlow;
    }

    public void set(long upFlow, long downFlow){
        this.upFlow = upFlow;
        this.downFlow = downFlow;
        this.sumFlow = downFlow - upFlow ;
    }

    public long getUpFlow() {
        return upFlow;
    }

    public void setUpFlow(long upFlow) {
        this.upFlow = upFlow;
    }

    public long getDownFlow() {
        return downFlow;
    }

    public void setDownFlow(long downFlow) {
        this.downFlow = downFlow;
    }

    public long getSumFlow() {
        return sumFlow;
    }

    public void setSumFlow(long sumFlow) {
        this.sumFlow = sumFlow;
    }

    //注意：序列化与反序列化的数据顺序一定要一致

    /**
     * 序列化方法
     * @param out 框架给我们提供的数据出口
     * @throws IOException
     */

    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(downFlow);
        out.writeLong(sumFlow);
    }

    /**
     * 反序列化方法
     * @param in 框架提供的数据来源
     * @throws IOException
     */
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readLong();
        downFlow = in.readLong();
        sumFlow = in.readLong();
    }
}

FlowMapper类

package com.atguigu.flow;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

//前两个是入口，后两个是出口
public class FlowMapper extends Mapper <LongWritable ,Text, Text,FlowBean> {

    private Text phone = new Text();
    private FlowBean flow = new FlowBean();
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String[] fields = value.toString().split("-");
        phone.set(fields[1]);//拿到key手机号
        Long upFlow = Long.parseLong(fields[fields.length-3]);//拿到upFlow
        Long downFlow = Long.parseLong(fields[fields.length-2]);//拿到downFlow
        flow.set(upFlow,downFlow);
        context.write(phone,flow);
    }
}

FlowReduce类

package com.atguigu.flow;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

//前两个是输入数据，后两个是输出数据
public class FlowReducer extends Reducer<Text,FlowBean, Text,FlowBean> {
    private FlowBean sumFlow = new FlowBean();

    @Override
    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
        long sumUpFlow = 0;
        long  sumDownFlow = 0;
        for (FlowBean value : values) {
            sumUpFlow += value.getUpFlow();
            sumDownFlow += value.getDownFlow();
        }
        sumFlow.set(sumUpFlow,sumDownFlow);
        context.write(key,sumFlow);
    }
}

FlowDriver类

package com.atguigu.flow;

import com.sun.xml.internal.ws.policy.privateutil.PolicyUtils;
import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;


public class FlowDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1、获取Job实例
        Job job = Job.getInstance(new Configuration());

        //2、设置类路径
        job.setJarByClass(FlowDriver.class);

        //3、设置Mapper和Reducer
        job.setMapperClass(FlowMapper.class);
        job.setReducerClass(FlowReducer.class);

        //4。设置输入输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        job.setOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        //5、设置输入输出路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));

        //6、提交
        boolean b = job.waitForCompletion(true);
        System.exit(b?0:1);



    }
}